AIOps – Artificial Intelligence für IT-Operations
| dc.contributor.author | Andenmatten, Martin | |
| dc.date.accessioned | 2021-03-25T13:26:55Z | |
| dc.date.available | 2021-03-25T13:26:55Z | |
| dc.date.issued | 2019 | |
| dc.description.abstract | Traditionelle IT Service Management Konzepte mögen anstehende Herausforderungen der Unternehmen nicht mehr zu lösen. Der ungebremste Drang des Business nach Digitalisierung, die damit verbundene Vernetzung von Produkten zu Services sowie die Dynamik der Cloud und das „Everything as a Service“ stellt alle Unternehmen und IT-Organisationen vor ein grosses Problem: wie lassen sich die hohen Anforderungen an Verfügbarkeit, Performance, Kosten, Sicherheit und Compliance der IT-Services in einem hybriden Multi-Cloud-Ökosystem wirksam steuern, wenn sich die Zusammensetzung der Komponenten und Beteiligten praktisch täglich ändert? Manuell ist dies eine „Mission Impossible“. Aber auch automatisierte Roboter können hier nicht mehr genügen, weil die permanente Anpassung von Regeln und Workflows der dynamischen Realität hinterherhinkt. Die Zukunft von IT-Operations liegt nur noch in der Anwendung von künstlicher Intelligenz: AI für IT-Operations. Traditional IT service management concepts may not be able to solve upcoming business challenges. The unrestrained urge of the business for digitization, the associated networking of products to services as well as the dynamics of the cloud and the “Everything as a Service” pose a big problem for all companies and IT organizations: how can the high demands on availability, performance, cost, security, and compliance of IT services in a hybrid, multi-cloud ecosystem effectively managed as the composition of components and stakeholders changes on an almost daily basis? Manually this is a “mission impossible”. But even automated robots can no longer suffice because the permanent adaptation of rules and workflows lags behind the dynamic reality. The future of IT-Operations lies only in the application of artificial intelligence: AI for IT-Operations. | de |
| dc.identifier.doi | 10.1365/s40702-019-00503-y | |
| dc.identifier.pissn | 2198-2775 | |
| dc.identifier.uri | http://dx.doi.org/10.1365/s40702-019-00503-y | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/35945 | |
| dc.publisher | Springer | |
| dc.relation.ispartof | HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 2 | |
| dc.relation.ispartofseries | HMD Praxis der Wirtschaftsinformatik | |
| dc.subject | AIOps | |
| dc.subject | Artificial Intelligence | |
| dc.subject | Automation | |
| dc.subject | Data Analytics | |
| dc.subject | Deep Learning | |
| dc.subject | Künstliche Intelligenz | |
| dc.subject | Maschine Learning | |
| dc.title | AIOps – Artificial Intelligence für IT-Operations | de |
| dc.type | Text/Journal Article | |
| gi.citation.endPage | 344 | |
| gi.citation.startPage | 332 |